# Candra Rudyatmoko AI Engineer | Full-Stack Developer | LLM Application Developer ## Ringkasan Profesional Software engineer dengan latar belakang pengembangan produk full-stack dan fokus kuat pada aplikasi AI dalam beberapa tahun terakhir. Memiliki pengalaman membangun developer tools berbasis LLM, platform AI multi-provider, pipeline OCR, workflow eksperimen NLP untuk Bahasa Indonesia, serta eksplorasi model lokal berbasis GGUF dan `llama.cpp`, yang diperkuat oleh pengalaman pengiriman aplikasi mobile, platform GIS, dashboard, CMS, sistem pemerintahan, dan aplikasi enterprise. Kekuatan utama saya ada pada perancangan sistem agentic yang dapat berinteraksi dengan file, shell command, database, dan konteks project; integrasi banyak provider AI dalam satu pengalaman produk; serta penggabungan model AI dengan NLP klasik, OCR, dan rule-based processing untuk menyelesaikan kebutuhan operasional yang nyata. Pengalaman AI ini berdiri di atas fondasi engineering yang kuat dalam membangun sistem produksi untuk organisasi dan institusi. ## Kompetensi Inti - AI agent dan tool calling - Integrasi multi-provider LLM - Developer tooling dan workspace automation - OCR dan document intelligence - Eksperimen NLP untuk Bahasa Indonesia - Embedding, clustering, dan topic analysis - Eksperimen model lokal dengan GGUF runtime - Local model serving dengan `llama.cpp` / `llama-cpp-python` - API dan backend development - Python, JavaScript, dan TypeScript - FastAPI, Flask, SQLite, dan workflow automation - Pengembangan aplikasi mobile dengan Flutter - GIS dan platform web geospasial - Pengembangan aplikasi publik dan enterprise ## Pengalaman AI Terpilih ### Siberflow Repository: `https://github.com/candrapwr/siberflow` Membangun platform AI yang mendukung akses multi-provider model, streaming tool calling, file sandboxing, akses database, multi-session persistence, dan task checklist management melalui antarmuka CLI dan VS Code. Kontribusi utama yang terlihat dari repository: - merancang arsitektur agent loop untuk workflow AI - mengintegrasikan beberapa provider model seperti DeepSeek, Gemini, OpenAI, Grok, dan Qwen - memungkinkan AI berinteraksi dengan file, shell command, dan database - menerapkan session persistence lintas CLI dan VS Code extension - menambahkan context optimization dan auto-continue untuk pengalaman penggunaan yang lebih stabil Teknologi utama: - TypeScript - Node.js - npm workspaces - CLI tooling - VS Code extension architecture ### IdSiberAi-CLI Repository: `https://github.com/candrapwr/IdSiberAi-CLI` Mengembangkan command-line AI assistant yang menggabungkan banyak provider LLM dengan kemampuan local system management untuk kebutuhan produktivitas teknis dan automation. Kontribusi utama yang terlihat dari repository: - membangun CLI assistant untuk task komputasi dan automation yang praktis - mengintegrasikan banyak provider AI dengan provider switching dan fallback - menghubungkan workflow AI ke file operations, storage tasks, code analysis, dan database tools - menambahkan streaming response handling dan logging operasional - menyediakan mode interaksi CLI dan web Teknologi utama: - JavaScript - Node.js - Multi-provider LLM integration - S3 integration - MySQL, PostgreSQL, dan SQLite tooling ### IdSiberCoder-VSCode Repository: `https://github.com/candrapwr/IdSiberCoder-VSCode` Membangun extension VS Code yang menghadirkan AI developer agent langsung di dalam workspace, sehingga model dapat memeriksa file, mencari konteks, menjalankan command, dan mengedit project melalui tool calling. Kontribusi utama yang terlihat dari repository: - mengimplementasikan AI coding assistant yang memahami konteks workspace - membangun pengelolaan tools yang dapat dikonfigurasi melalui settings panel - mendukung banyak provider AI - mengaktifkan parallel tool execution untuk aksi tertentu - menambahkan safeguards seperti iteration limit, timeout, dan output sanitization Teknologi utama: - JavaScript - VS Code Extension API - Webview integration - Tool registry dan schema-driven actions ### information_extraction Repository: `https://github.com/candrapwr/information_extraction` Membangun pipeline OCR untuk ekstraksi informasi terstruktur dari KTP Indonesia dan paspor internasional menggunakan OpenCV, Tesseract, EasyOCR, dan opsi ekstraksi berbantuan LLM. Kontribusi utama yang terlihat dari repository: - membangun preprocessing untuk meningkatkan stabilitas OCR - mendukung beberapa OCR engine dalam satu workflow - menambahkan heuristik untuk menangani hasil OCR yang noisy - membuka workflow melalui CLI dan Flask API - menggabungkan OCR, parsing logic, dan integrasi LLM opsional dalam satu pipeline praktis Teknologi utama: - Python - OpenCV - Tesseract - EasyOCR - Flask ### media_analytics Lokasi project: `/Volumes/Workspace/python_app/media_analytics` Mengembangkan workspace eksperimen AI/NLP untuk analisis media berbahasa Indonesia, meliputi scraping data, preprocessing teks, embedding generation, clustering, keyword extraction, visualisasi, eksperimen chatbot, dan local LLM inference. Kontribusi utama yang terlihat dari file project: - membangun pipeline scraping dan dataset berbasis SQLite untuk konten berita - menerapkan preprocessing teks Bahasa Indonesia dengan NLTK dan Sastrawi - menggunakan IndoBERT untuk embedding dan eksperimen analisis topik - menggabungkan TF-IDF, KMeans, dan KeyBERT untuk clustering serta ekstraksi keyword - menghasilkan laporan teks dan visual untuk analisis tren - bereksperimen dengan chatbot sederhana berbasis IndoBERT QA dan mT5 - menguji local inference berbasis Hugging Face model dan GGUF runtime - membungkus model GGUF lokal ke endpoint chat bergaya OpenAI untuk eksperimen integrasi ringan - mengeksplorasi training model generatif sederhana berbasis PyTorch Teknologi utama: - Python - SQLite - BeautifulSoup - NLTK - Sastrawi - scikit-learn - Transformers - IndoBERT - KeyBERT - FastAPI - PyTorch - GGUF runtime ### Eksperimen Local GGUF dan llama.cpp Lokasi project: - `/Volumes/Workspace/python_app/gguf` - `/Volumes/Workspace/python_app/media_analytics/gguf` Selain integrasi model cloud, terdapat eksperimen yang jelas pada eksekusi model lokal menggunakan GGUF dan `llama.cpp` / `llama-cpp-python`. File yang terlihat menunjukkan praktik langsung pada local chat inference, API wrapping, dan penggunaan berbagai model quantized untuk kebutuhan general LLM, coding, OCR, dan vision-language. Yang terlihat dari workspace: - koleksi model GGUF lokal seperti Gemma, Qwen, DeepSeek-R1, GLM, LLaVA, Qwen-VL, coder, dan model OCR-oriented - script `llama-cpp-python` untuk local inference langsung - wrapper FastAPI yang membuka model lokal melalui endpoint OpenAI-style `/v1/chat/completions` - script chat interaktif lokal dengan prompt construction dan opsi conversation history - catatan build dan menjalankan `llama.cpp` dengan Metal acceleration di Apple Silicon - eksperimen lintas use case text, coding, OCR, dan multimodal / vision-capable model Nilai tambah untuk positioning: - menunjukkan pemahaman praktis terhadap local LLM deployment, bukan hanya hosted API - memperlihatkan familiarity terhadap tradeoff model quantized, context sizing, dan lightweight serving - menunjukkan kemampuan menghubungkan local inference ke interface yang ramah developer dan workflow berbasis API - menambah kredibilitas untuk skenario AI yang sensitif terhadap privasi, offline-capable, atau cost-aware ## Proyek Engineering Pendukung ### Video-Generator-Service Repository: `https://github.com/candrapwr/Video-Generator-Service` Membangun media automation service untuk menghasilkan slideshow video dinamis dari gambar, video, dan audio melalui FastAPI dan antarmuka web. Proyek ini menunjukkan kemampuan backend engineering untuk workflow konten yang dapat melengkapi sistem AI-driven media generation. ### Audio-Mixer-Service Repository: `https://github.com/candrapwr/Audio-Mixer-Service` Membangun layanan mixing audio otomatis dengan dynamic ducking, silence detection, timing control, trimming, API access, dan web UI. Proyek ini menunjukkan pengalaman engineering dalam workflow automation untuk kebutuhan kreatif dan pemrosesan media. ## Pengalaman Software Engineering yang Lebih Luas Di luar pekerjaan yang berfokus pada AI, portfolio PDF menunjukkan pengalaman delivery pada lebih dari dua puluh proyek software, terutama di lingkungan pemerintahan dan organisasi. Hal ini memperkuat profil secara keseluruhan karena menunjukkan bahwa pekerjaan AI saya berdiri di atas pengalaman pengembangan aplikasi yang substansial, bukan terpisah dari realitas delivery. Area utama yang terlihat pada portfolio PDF: - aplikasi mobile Flutter untuk Kementerian Perdagangan, termasuk E-Kemendag, G20 TIIWG Mobile, dan Hero Mobile - sistem dan portal berbasis web menggunakan PHP, CodeIgniter, Laravel, MySQL, PostgreSQL, SQL Server, MSSQL Server, dan OracleDB - sistem GIS dan peta berbasis LeafletJS dan GeoServer, termasuk peta stok, peta interaktif, geoportal, dan monitoring Covid-19 - dashboard, monitoring system, recruitment portal, project management system, attendance system, licensing system, dan tax-payment system - CMS dan content-management workflow untuk portal institusional - praktik version control dengan Git di berbagai proyek Tema pengalaman non-AI yang paling kuat: - aplikasi layanan mobile untuk workflow internal pemerintahan - platform GIS untuk informasi publik dan monitoring spasial - sistem operasional untuk rekrutmen, testing, perizinan, absensi, dan monitoring keuangan - dashboard dan platform pelaporan untuk decision support institusional ### Pengalaman Non-AI Terpilih Portofolio non-AI paling kuat ketika dipresentasikan sebagai beberapa jalur delivery yang konsisten, bukan daftar panjang proyek tanpa pengelompokan. #### 1. Aplikasi Mobile untuk Workflow Pemerintahan Proyek yang terlihat di PDF: - E-Kemendag mobile application untuk Kementerian Perdagangan - G20 TIIWG mobile application - Hero Mobile help-center application Yang ditunjukkan: - pengalaman mengirim aplikasi berbasis Flutter - keterlibatan pada alur layanan internal, lingkungan yang berorientasi autentikasi, dan delivery fitur terstruktur - familiar dengan pengembangan produk mobile yang production-oriented untuk user institusional #### 2. GIS dan Sistem Informasi Geospasial Proyek yang terlihat di PDF: - Monitoring Pohon KPHP DLHK Provinsi DIY - Geoportal Pemerintah Kota Yogyakarta - Peta Interaktif Pemerintah Kota Yogyakarta - Peta Stok Provinsi SISP - GIS Monitoring Sebaran Covid-19 Kota Yogyakarta - Portal Manajemen Peta Gowes Sepeda Kota Yogyakarta Yang ditunjukkan: - pengalaman kuat membangun platform berbasis peta dan interface data spasial - penggunaan LeafletJS, GeoServer, PostgreSQL, dan stack web yang berorientasi GIS - kemampuan merancang sistem yang menggabungkan pengelolaan data, visualisasi, dan monitoring operasional #### 3. Sistem Operasional dan Administratif Proyek yang terlihat di PDF: - Sistem Computer Based Test Kementerian Perdagangan - Portal dan CMS Rekrutmen ASN Kementerian Perdagangan - Sistem Perizinan Elektronik DINPMPTSP Kabupaten Purworejo - Sistem Absensi Pegawai Elektronik DINPMPTSP Kabupaten Purworejo - Sistem POS Pembayaran PBB Kota Samarinda - Sistem Monitoring Dana Kelurahan Kota Yogyakarta Yang ditunjukkan: - pengalaman membangun workflow system yang business-critical untuk rekrutmen, testing, perizinan, absensi, pembayaran, dan monitoring anggaran - familiar dengan platform yang form-heavy, administrative dashboard, role-based workflow, dan kebutuhan pelaporan institusional - pengalaman praktis pada sistem yang menuntut reliability dan kejelasan proses #### 4. Dashboard, Monitoring, dan Reporting Platform Proyek yang terlihat di PDF: - Modul Monitoring Data Pasar SISP - Dashboard Monitoring Kunjungan Kota Yogyakarta - Portal Manajemen Kliping Kota Yogyakarta - project monitoring dan management system untuk penggunaan institusional Yang ditunjukkan: - pengalaman pada internal tools bergaya analytics dan monitoring dashboard - kemampuan mengubah alur data backend menjadi tampilan operasional yang usable - familiar dengan aplikasi yang berorientasi reporting untuk decision support #### 5. CMS dan Content Platform Proyek yang terlihat di PDF: - CMS Portal Reborn Kominfo RI - CMS Rekrutmen ASN Kementerian Perdagangan Yang ditunjukkan: - pengalaman membangun dan memelihara workflow content management - terbiasa bekerja pada sistem yang menuntut editor usability, structured publishing, dan administrative control - menunjukkan product thinking yang lebih luas dari sekadar implementasi backend #### 6. Konteks Delivery Enterprise dan Institusional Secara umum, pola klien dan domain di PDF mencakup kementerian, pemerintah daerah, dan platform institusional. Nilai tambah untuk profil: - pengalaman mengirim software di lingkungan organisasi yang formal - kemampuan bekerja lintas stack seperti PHP, Laravel, CodeIgniter, Flutter, Vue, PostgreSQL, MySQL, SQL Server, MSSQL Server, OracleDB, LeafletJS, dan GeoServer - bukti kemampuan menyesuaikan engineering work dengan kebutuhan public-sector dan enterprise ## Nilai Positioning Kombinasi pengalaman di atas memperkuat positioning karena menunjukkan: - bukti nyata mengirim software, bukan hanya eksperimen dan prototype - pengalaman bekerja pada sistem yang institution-facing dan business-critical - kredibilitas lebih tinggi untuk membawa solusi AI ke konteks produksi - kredibilitas sistem AI yang lebih kuat karena mencakup workflow cloud-provider dan local-model - rentang kemampuan yang luas di mobile, backend, database, GIS, web application, dan AI tooling ## Positioning Profesional Positioning yang paling kuat berdasarkan body of work yang terlihat saat ini: - AI Engineer - Full-Stack Developer dengan spesialisasi AI - LLM Application Developer - AI Tooling Engineer - Software Engineer untuk AI dan Workflow Automation ## Bio Singkat AI engineer dan full-stack developer yang berfokus pada LLM applications, AI agents, OCR pipelines, eksperimen NLP Bahasa Indonesia, local model workflows, dan developer tooling. Menggabungkan pengembangan produk AI dengan pengalaman lebih luas dalam membangun aplikasi mobile, sistem GIS, dashboard, dan platform web untuk institusi dan sektor publik.